Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CH 03 Algebra Matricial y Ecuaciones Lineales
CH 03 Algebra Matricial y Ecuaciones Lineales
TRES
En el presente Capítulo, iniciamos con las definiciones de un arreglo de números que se conocen como
matrices; veremos los diferentes tipos de matrices y las operaciones que se pueden aplicar. Enseguida se
verán los métodos para obtener la solución a un sistema de ecuaciones simultáneas lineales que pueden
expresarse en forma de matrices y aplicar estas mismas propiedades de las matrices.
Por otro lado se tienen también los vectores, los cuales son formas especiales de matrices. Por
ejemplo, si m > 1 pero n = 1, la matriz B anterior se convierte en
b1,1 b
1
b b 2,1 b2 (3.3)
bm,1 bm
con una sola columna y se denominavector columna. Ahora bien, si m = 1 y n > 1, la matriz se
convierte en
b [b1,1 b1,2 b1,n ]
(3.4)
[b1 b2 bn ]
Una matriz que sólo tiene una fila y se denomina vector fila.
Dicho de otra forma, un vector se considera una matriz que tiene una sola columna o una sola fila.
Otro caso especial, en el que m = n = 1, B es una matriz de 1 por 1, y puede escribirse como
b [b1,1 ] (3.5)
o simplemente
bb (3.6)
Matriz cuadrada: Una matriz con m = n , el mismo número de filas y el mismo número de columnas.
5 4 3
2 3
2 1 0 (3.7)
0 1
6
1
7
Matriz nula:Todos los elementos de la matriz nula son cero. También se conoce comomatriz cero.
0
0 0
0 0 0 0 0 0
(3.8)
0 0 0
0
0
0
Matriz diagonal: Es aquella matriz que contiene un conjunto de valores en la diagonal principal y el
resto de los valores son cero; esto es
2 0 0
0 3 0 (3.9)
0
0 los1
Matriz identidad: Una matriz en la que todos elementosdiagonal
en la diagonal
principalprincipal son la unidad y el
resto de los elementos son cero. Una matriz identidad se denota por el símbolo I
ÁLGEBRA MATRI CI AL Y SI STEMAS DE ECUACI ONES LI NEALES 87
1 0 0 0
1 0 0
1 0 0 1 0 0
I I , I3 0 1 0 , I4 (3.10)
0 1 2 0 0 1
0 1 0
0
0 0 1
Matriz triangular: Una matriz en la que todos los elementos diferentes de cero, forman un triángulo;
existe la matriz triangular superior (Upper) y la matriz triangular inferior (Lower).
5 6 4 5 0 0
U 0 9 8
L 8 9 0 (3.11)
0 6
0 2 4 2
triangular superior (Upper) triangular inferior (Lower)
Matriz banda: Es aquella matriz que contiene un conjunto de valores en las diagonales de modo que
forma una banda, de ahí su nombre. El ancho de banda es p elementos arriba de la
diagonal principal más q elementos debajo de ella (p + q + 1), esto es
diagonal principal p
q
3 2 0 0
4 5 7 0
1 4
(3.12)
0 0 6 8
0 9
Ancho de banda = p + q + 1 = 3
Observamos cómo existe el conjunto de datos arriba y abajo de la diagonal principal y arriba y abajo de
este conjunto (banda), los elementos son ceros.
Matriz transpuesta: Es la matriz donde se intercambian las filas por las columnas. La transpuesta de
T
una matriz se denota por el superíndice ( ); esto es,
5 4
3
A 2 1 5 2 1
0 T4 1 6 (3.13a)
1 6 A
7 0
3 7
9 6
9 2 7 T
B 6 8 5 B 2 8 (3.13b)
(2x3)
7 5 (3x2)
T
Matriz simétrica: Una matriz cuadrada para la que se cumple A A, recibe el nombre de simétrica.
5 2 3 5 2 3
T
A 2 9 0 A 2 9 0
(3.14)
3 0 7 3 0 7
Matriz inversa: Una matriz inversa se conoce como aquella matriz que cumple la igualdad
AB I BA (3.15a)
donde A y B son dos matrices cuadradas. Por ejemplo, si se tiene la matriz A ,
A 1 1
1 2 2
Métodos Numéricos - G. Medina H.
3
1 3 2
(3.15b)
Observe que en esta igualdad se realiza la multiplicación de dos matrices, las cuales deberán seguir las
reglas de multiplicación matricial, tal como se describe más delante, Sección 3.1.5.
Para obtener la matriz inversa (o bien, la inversa de una matriz) se deben seguir ciertas operaciones, las
cuales analizaremos más delante en la Sección 3.8.
EJEMPLO 3.1.
1 2 3
A 2 5 0
5 4 B 1 6 (i)
6 3
Respuesta:
Ya que son de las mismas dimensiones (2 x 3) ambas matrices, entonces sí podemos realizar la
suma y la resta.
Suma
: 1 2 3 2 5 0 1 2 25 3 0 3 7 3
AB (ii)
6 5 4 (23) 3 1 6 (23) 6 3 51 4 6 9 6 10
(23)
Resta
: 1
2 3 2
5 0 2
1 25 3 0 1 3 3
A 6 5 4 3 1 6 63 51 46 3 4 2 (iii)
B
(23) (23) (23)
mismas dimensiones: ( 2x3)
Cuando se realiza la suma (resta) de matrices, éstas siguen las siguientes reglas o
PROPI EDADES:
Cuando se realiza el producto escalar (o producto punto o producto interno Euclidiano) de dos
vectores de la misma longitud, el resultado es un solo valor real o un escalar. Es decir, si se tiene un
vector fila u de longitud n y otro vector columna v de longitud n ,
v1 v
u1, u 2 ,, uun , v 2 (3.17)
vn
u = VECTOR FI LA v = VECTOR COLUMNA
El producto escalar se define como la multiplicación de los elementos correspondientes (de igual valor en
el subíndice) y sumando los resultados para dar un número simple; esto es, un escalar de la forma:
n
u v u1 v1 u2 v2 un vn ui vi (3.18)
i1
Un vector (ya sea en fila o en columna) puede considerarse que tiene una dirección y una magnitud o
longitud. Las n -componentes de un vector definen la dirección, mientras que la medida de la magnitud o
longitud se obtiene mediante la distancia (Euclidiana) de un vector; también se conoce como la norma
de un vector ( u ):
Respuesta:
Cuando se multiplica una matriz (A) por un escalar (t), es decir, una constante, entonces se multiplica
cada elemento de la matriz por el escalar; es decir, resulta
t a1,1 t a1,2
t a1,n
t a ta ta
B t A 2,1 2,2 2,n
(3.20)
ta t am,2
m,1 t am,n
1 2 3
A 5 4 t2 (i)
6
La operaciones de una matriz con un escalar también siguen las siguientes reglas o
PROPI EDADES:
b
ai1ai2 ... aip 1j
A m-filas b (3.22)
B 2j
n-columnas
La multiplicación matricial consiste en el producto escalar (ver Sección 3.1.3) de la i -ésima fila de A ,
con la j -ésima columna de B . Así, el elemento cij de la multiplicación matricial C AB [cij ], será
(mx
p) por (p x n) (m x n) (3.24)
dimensiones interiores dimensiones exteriores
mn
p
aikbkj
AB
k 1
(3.25)
1 3 4
A 4 2 1
0 2 B 1 5 (i)
2
2
Para la primera multiplicación A B , observamos que las dimensiones internas de las matrices sí son
iguales (2 × 3) (3 × 2), por lo que podemos realizar la multiplicación matricial (i.e., la multiplicación
escalar de m-vectores fila de la matriz A , por n-vectores columna de la matriz B ), resultando una
matriz de dimensiones (2 × 2):
3 4
1 2 1 1 5 (ii)
B
A
4 0 2
2 2
Dimensiones: ( 2x3) ( 3x2)
I NTERNA
Para obtener los elementos de la primera fila de la matriz resultante, se multiplica la primera fila
(vector fila) de la matriz A, por cada una de las columnas (vectores columna) de la matriz B (esto es
a través del producto punto o escalar de dos vectores. Véase Sección 3.1.3):
AB
3 4 1(3) 2(1) 1( 2) 1(4) 2(5) 1(2) 3 8
1 2 1 5 (iii)
1
4 0 2 2
En forma similar, para obtener los elementos de la segunda fila de la matriz resultante, deberemos
multiplicar la segunda fila (vector fila) de A, por cada una de las columnas (vectores columna) de B:
4
AB 3 5
12 1 1 3
4(3) 0(1) 8 3 8 (iv)
4 2 2(2) 4(4) 0(5) 2(2) 8 12
0 2
2 (22)
Ahora bien, cuando se realiza la multiplicación B A , observamos que las dimensiones internas
también coinciden, esto es (3 × 2) (2 × 3); por lo que las dimensiones de la matriz resultante será
de (3 × 3):
3 4
B A 1 2 1 (v)
1 5
Dimensiones:
4 0 2
2
( 2x3)
2
( 3x2)
I NTERNA
De los resultados obtenidos en este ejemplo 3.4 anterior, se observa que AB ≠ BA . Esto es, la
multiplicación de dos matrices no es conmutativa.
EJEMPLO 3.5.
1 2 1 3 4
A 4 0 2 B 1 5 (i)
2
2
3 6
5
Calcule las 2 3 4 2
matrices A , A , A y B , de estas dos matrices anteriores.
Respuesta:
Para la primera multiplicación A2 , observamos que las dimensiones internas de las matrices sí son
iguales; es decir, (3 × 3) (3 × 3), por lo que podemos realizar la multiplicación matricial (i.e., la
multiplicación escalar de m-vectores fila de la matriz A , por n-vectores columna de la misma matriz
A ), resultando una matriz de dimensiones (3 × 3):
1 2
A AA 4 0 1 1 2 1
2
2 4 0 2
3 6 5 3 6 5
1(1) 2(4) ( 1)(3) 1(2) 2(0) ( 1)(6) 1(1) 2(2) (1)(5)
4(1) 0(4) (2)(3) 4(2) 0(0) (2)(6) 4(1) 0(2) (2)(5)
3(1) 6(4) 5(3) 3(2) 6(0) 5(6) 3(1) 6(2) 5(5)
6 4 10
2 4 14 (ii)
42 36 10
6 4 10 1 2 1
3 2
A A A 2 4 14 4 0 2
42 36 10 3 6 5
40
48 48
60 88 60 (iii)
216 144 64
Observe que este resultado anterior, es también igual a:
3 2
A AA
40
A A A 60 48 48 2 1
1 1 2 1 40 48 48
4 3
3
88 60 4 0 2 AA 4 0 2 88 60
60
216 144 64 3 6 3 6 216 144 64
5 5
376
368 104
592 480 64 (iv)
600 48 824
Finalmente, la
B2 , resultará:
multiplicación
3 4 3 4
2
B B
B 1 5 1 5 (v)
2 2 2 2
Dimensiones: ( 3x2) ( 3x2)
I NTERNA
Esta multiplicación no se puede realizar, ya que las dimensiones internas no son iguales.
n
De este ejemplo anterior, podemos observar que para elevar una matriz a una potencia n ( A ), la matriz
debe ser cuadrada.
Ahora bien, cuando se realizan operaciones con matrices identidades ( I), se tiene la propiedad de que
cuando se multiplica una cierta matriz por una matriz identidad, la matriz resultante es la misma matriz.
Enseguida se muestra un ejemplo de este tipo de operaciones.
EJEMPLO 3.6.
1 2 4 1
v 3
u [2, 4, 6] A 5 7 6 (i)
5 8 9 3
Compruebe que se cumplen las siguientes propiedades cuando se multiplica una cierta matriz/
vector con una matriz identidad I :
(a) ) u I u
(b) ) I v v
(c) ) I A A
(d) ) A I A
Respuesta:
Los vectores u, v y la matriz A anteriores tienen dimensiones de (1× 3), (3× 1) y (3× 3),
respectivamente, por lo que la matriz identidad también deberá ser de dimensiones (3× 3).
( a)
1 0 0
u I 2 4
0 1 0 2(1) 4(0) 6(0) 2(0) 4(1) 6(0) 2(0) 4(0) 6(1)(13)
6(13) 0 0
1
(33)
( b)
1
0 0 1 1(1)
0(3) 0(5)
Iv 0 1 0 0(1) 1(3) 0(5)
3
0 0 5
(3 0(1) 0(3) 1(5) (31)
1
(33) 1)
1
Iv 3 (se cumple la propiedad) (iii)
v
5
( c)
1
0 0 2
4 1 1(2) 0(5) 0(8) 1(4) 0(7) 0(9) 1(1) 0(6) 0(3)
IA 0 1 0 5 7 6 0(2) 1(5) 0(8) 0(4) 1(7) 0(9) 0(1) 1(6) 0(3)
0 0 8 9 0(2) 0(5) 1(8) 0(4) 0(7) 1(9) 0(1) 0(6) 1(3) (33)
1 3
(33) (33)
2 4 1
IA 5 7 6 A
(se cumple la propiedad) (iv)
8 9 3
( d)
2
4 1 1
0 0 2(1) 4(0) 1(0) 2(0) 4(1) 1(0) 2(0) 4(0) 1(1)
AI 5 7 6 0 1 0 5(1) 7(0) 6(0) 5(0) 7(1) 6(0) 5(0) 7(0) 6(1)
8 9 0 0 8(1) 9(0) 3(0) 8(0) 9(1) 3(0) 8(0) 9(0) 3(1)
(33)
3 1
(33) (33)
2 4 1
AI 5 7 6 A
(se cumple la propiedad) (v)
8 9 3
Enseguida se muestra el algoritmo para realizar la multiplicación de dos matrices A y B , recibiendo el
resultado en la matriz C.
I NI CI O
{ Multiplicar fila-i de A por columna-j de B y almacenarlo en elemento (i, j) de
C } para i 1:m { recorrer por filas }
para j 1:n { recorrer por columnas }
C (i, j) 0 { Hacer ceros los elementos de la matriz C
} para k 1:p dejar fija la columna "j" y recorrer todas las filas
"k"
C (i, j) C (i, j) + A (i, k) * B (k, j) { producto escalar: fila i × columna j }
fin_para
fin_para
dejar fija la fila "i" y recorrer todas las columnas
"k" fin_para
FI N
PROPI EDADES:
1) (A B) A (B C)
C
2) A(B C) A AC
B CA
3) (B C) A B A (t B)
A
4) t(A B) (t A)
B
NOTA: Para realizar las operaciones de suma, resta, multiplicación (elemento a elemento o matricial) de
dos matrices; así como el determinante, la transpuesta o la matriz inversa, a través de la Hoja
Electrónica Excel, véase el Laboratorio Número Tres de Excel, del Manual de Laboratorio,
donde se describen las funciones que realizan estas operaciones.
(a) ) T
B A
T
ABT T T
A B
(b) ) A
BT
2. A partir de las siguientes matrices,
4 6 7 2 5 4
A 8 1 9 B 4 1 C1
D 2 3 (3.27)
0
2 5 1 3
3
5
(a 2 2 2
) A , B , C (b A B B A AT B BT A ( B C , C B BT C CT B
) , , , c) , ,
(d T
AA , A A
T
( BB , B B
T T
( CC
T
C C
T
) e) f) ,
( g) 3A2 (h 2 A 3 I3 A2 ( 4 A A 3 I3
2
2
A I3 ) i)
(j T T T T T
(A B) , BT AT (k C A B , (A B) C ( l) C D , D C C D , D C
) ) ,
T T
( m) D A B , (A B) D (n T
B [C ; D] ( o) D A A D
T
) ,
( p) A C , C A
,
T
C A ( A B;C , B;CA ( BT;D A
q) r)
a1 x1 a2 x2 an xn b (3.28)
donde los coeficientes ( a1 , a ,..., a ) son números reales, y ( x x , ..., x ) son las incógnitas o
2 n 1 2 n
,
valores a determinar. Una solución de la Ec. (3.28) es una n -ada de números reales ( 1 2 , ..., n ),
,
tal que
a1 1 a2 2 an n b (3.29)
2 x1 3 x2 5 x3 2 x4 6 (3.30)
a11
x1 a12 x2 a1n xn b1
a21 x a x2 a2n x b
1 22 n 2 (3.31)
am1 x1 am2 x2 amn xn bm
En nuestro caso analizaremos un sistema en el que m = n (el número de filas es igual al número de
columnas); esto es, un sistema de n -ecuaciones con n -incógnitas.
Y una solución de este sistema de ecuaciones lineales con n -incógnitas, es una n -ada (i.e., un
conjunto) de números reales ( x1 x2 , ..., xn ) que satisface cada una de las ecuaciones del sistema
,
anterior, Ec. (3.31), simultáneamente.
La ecuación general de una línea recta, respecto a un sistema de ejes cartesianos ( x, y ), se puede
escribir como
ax b y c (3.32)
Esto significa que todas las parejas ( x , y ) que representan a los puntos de la recta, deben satisfacer la
Ec. (3.32) anterior; y viceversa, toda pareja ( x , y ) que satisfaga la Ec. (3.32), representa un punto
sobre la recta. Puesto que una línea recta tiene una infinidad de puntos, entonces habrá una infinidad de
soluciones (pares de datos x , y ) para una ecuación de la forma (3.32) anterior.
100 ÁLGEBRA MATRI CI AL Y SI STEMAS DE ECUACI ONES LI
FI GURA 3.1.
Gráfico de la ecuación de una línea recta.
ax+by=c
6 6 12
(3.34b)
3 4 1
12 12
(3.34c)
1 1
FI GURA 3.2.
Gráfico de dos ecuaciones lineales.
y 6
Punto de intersección (3, 2)
5(solución al sistema)
4
3
x - 2y = -1
2
2x + 3y = 12
1
-2-1 1234567
-1 x
Métodos Numéricos - G. Medina H.
En forma análoga, para un sistema de tres ecuaciones con tres incógnitas, se tendrán tres planos, los
cuales pueden tener o no, solución. En la siguiente Figura 3.3 se muestran ambos casos.
FI GURA 3.3.
Representación gráfica de un sistema de 3 ecuaciones lineales
(a) ) Sistemas que no tienen solución ( no existe un punto en común de los 3 planos).
(b) ) Sistemas con solución única ( existe un punto en común de los 3 planos).
Pero, ¿cómo encontrar este punto en común (i.e. la solución del sistema)?
EJEMPLO 3.7.
Respuesta:
Lo que se busca son tres números: x1 x2 y x3 , que satisfagan a las tres ecuaciones,
, simultáneamente, en el sistema (3.35) dado
con anterioridad.
2
ª
.
e
c.
3
ª
.
Métodos Numéricos - G. Medina H.
ÁLGEBRA MATRI CI AL Y SI STEMAS DE ECUACI ONES LI NEALES
(i) ( i x312 la 2ª . ecuación (fila).
i ) 5 3 213
PASO 2: Tomamos la 1ª . ecuación x
Es 3
y pre-multiplicamos por ‒ ta
8 (que es el valor con
ec
signo contrario del ua
primer coeficiente de la ci
2ª . ecuación), y esta ón E
ecuación la sumamos a qu s
la segunda: e t
re e
1ª . ec. (8)* (1 x1 (8 x1 16 x2 su
lta p
2 x2 3 x3 24 x3 72)
, r
9) se o
2ª . ec. + ( 5 6 x3 su c
bs e
8 x 40)
tit s
x1 2 o
uy
e
s
----------------------------
po
------------
r e
( 0 x1 1 18 x3 la
1 32) 3ª r
. e
ec p
x i
ua
2 t
ci
Esta ecuación que resulta, se substituye ón e
por la 2ª . ecuación en el sistema en ,
anterior (ii), resultando el
sis P
1ª . ec. 1 x1 2 3 x3 te a
m s
2ª . ec. 0 x1 x2 9 (iii a o
3ª . ec. 3 x1 11 18 x3 an s
x2 32 ter
ior 1
x2 2 x3
(iii
4 ), y
Nuevamente tomamos la 1ª. qu
ed 2
ecuación y pre-multiplicamos
an ,
por ‒3
do
contrario del primer coeficiente de p
ª
la 3ª . ecuación), y esta ecuación e
la sumamos a la tercera, esto es:
1 1 02 3 r
ª . 0x
. o
1ª . ec. (3)* (1 x1 (3 x1 6 x2 e e 2 x
2 x2 3 x3 9 x3 27) 13 a
cc
. .
1 h
9) x o
3ª . ec. + (3 x1 1 x2 2 2 2 9 r
ª a
x3 4)
. 5
------------------------- e x
c
------------ c o
(. 1 n
3 8
G. Medina H. - Métodos Numéricos
PASO 1: Tomamos el coeficiente de la 2ª . ecuación (el segundo elemento pivote) y dividimos por
este valor al resto de los coeficientes de esta misma ecuación, para que resulte un
coeficiente igual a la unidad en el segundo término, esto es:
1ª . ec.
1 x1 2 x2 3 x3 9
2ª . ec. (1 / 11) * (0 x1 11 x2 18 x3 32) (v)
3ª . ec. 0 x1 5 x2 11 x3 23
resultando
1ª . ec. 1 x1 2 x2 3 x3 9
2ª . ec. 0 x1 1 x2 18 / 11 x3 32 / (vi)
11
3ª . ec. 0 x1 x2 11 x3 23
5
PASO 2: Enseguida tomamos la 2ª . ecuación, la pre-multiplicamos por 5 (que es el valor con signo
contrario del segundo coeficiente de la 3ª . ecuación), y esta ecuación la sumamos a la
tercera, esto es:
2ª .
ec. (5)* (0 x1 1 x2 18 / 11 x3 32 / 11) (0 x1 5 x2 90 / 11 x3 160 / 11)
3ª . ec. + (0 x 5 x 121 / 11 x 253 / 11)
1 2 3
-----------------------------------------------
(0 x1 0 x2 31 / 11 x3 93 / 11)
Observe que la 3ª . ec. se expresa en fracciones para realizar las sumas de cada término. Esta
ecuación anterior que resulta, se substituye por la 3ª . ecuación en el sistema anterior (vi), resultando
1ª . ec.
1 x1 2 x2 3 x3 9
2ª . ec. 0 x1 1 x2 18 / 11 x3 32 / (vii)
11
3ª . ec. 0 x1 0 x2 31 / 11 x3 93 / 11
3ª . ec. x33
1ª . ec.
1 x1 2 (2) 3 (3) 9
x1 9 9 4 4
x14 (xi)
x1 4
Así pues, obtenemos el vector solución: x2 2 (xii)
x3 3
T
Esta es la solución única del sistema de ecuaciones (3.35). Se escribe en la forma x = [ 4, ‒2, 3] .
8 8 18 18 18 18 18 18
32 10 18 50 10 40 40 40
40 12 8 4 44
12 2 6 4
En la aplicación de este método podemos observar que en cada paso, todos los sistemas obtenidos eran
equivalentes: si toda solución del primer sistema es solución del segundo, y recíprocamente, toda
solución del segundo es del primero. Dicho de otra forma, cada sistema tenía el mismo conjunto de
soluciones que el sistema que le precedía.
Las operaciones aplicadas a los renglones que representa un sistema de ecuaciones, tal como se
desarrolló en el Ejemplo 3.5 anterior, reciben el nombre de:
I. Multiplicar (dividir) un renglón por (entre) un número (i.e., un escalar) distinto de cero.
I I. Sumar el múltiplo de un renglón a otro renglón.
I I I. I ntercambiar dos renglones.
Ahora bien, el sistema de ecuaciones lineales (3.35) anterior,
2x1 4x2 6x3 18
8x1 5x2 6x3 40 (3.35)
3x1 x2 2x3 4
puede representarse en forma matricial, como:
2 4 6 x1 18
8 5 6 x2 40 (3.36)
3 1 2
x 4
3
(de dimensiones): ( 3 x 3) ( 3 x 1) = ( 3 x 1)
La comprobación de esta igualdad, Ec. (3.36), puede realizarse a través de la multiplicación matricial,
vista con anterioridad, Sección 3.1.5.
Ya que la información esencial sobre un sistema de ecuaciones lo constituyen los coeficientes aij y los
términos independientesbi , se acostumbra escribir la información en una sola matriz de dimensiones
n (n 1) m , llamada m a t r iz a um en t a da ( A ) del sistema:
n
2 4 6 18
A 8 5 6
(3.38)
40
3
1 2 4
(de dimensiones): ( 3 x 4)
Al proceso de aplicar las operaciones elementales de renglón, con el propósito de simplificar una matriz
aumentada, se le llama reducción por rengl ones. Por otro lado, al aii , de la diagonal
coeficiente
principal (i.e., a
11 a22 , etc.) que se utiliza para reducir su valor a la unidad , se le conoce como el
,
elemento pivote; y a la fila donde se encuentra el elemento pivote, se le nombra la fila pivote.
Otro método para resolver sistemas de ecuaciones lineales, es una mejora al método de Eliminación de
Gauss (desarrollado en el Ejemplo 3.7 anterior), es el llamado método de Reducción de Gauss-
Jordan. A ambos métodos se les conoce como métodos directos, comparados con aquellos que son
iterativos; temas que abordaremos más delante (ver Sección 3.13)
La diferencia del método de reducción de Gauss-Jordan, comparado con el de Gauss, es que los
elementos se hacen ceros arriba y abajo del elemento pivote, de tal forma que al finalizar se genera una
matriz identidad en el lugar de la matriz de coeficientes original, y el vector solución se genera en la
columna donde inicialmente estaba colocado el vector columna de términos independientes de la matriz
aumentada inicial. En la próxima sección 3.6 se discuten ambas diferencias a través de un ejemplo.
3.3. I NTERPRETACI ÓN GEOMÉTRI CA
DE LAS ECUACI ONES LI NEALES
Plano
Sistema de Ecs Plano
lineales
8 x + 5 x + 6 x = 40 3x +x -2x =4
1 2 1 2 3
3
Plano
2x + 4x + 6x =18
1 2 3
X3 5
0 4
-5 2
Solución de los
tres planos: (4, -2, 3) 0 X2
-2
-5
X1 0 5 -4
T
El punto en el espacio tridimensional donde coinciden los tres planos, es en el punto x = [ 4, -2, 3] , que
es la solución buscada que satisface al sistema de ecuaciones (3.35) anterior.
3.4 SOLUCI ÓN MATRI CI AL
El sistema de ecuaciones anteriores, Ec. (3.34), también puede representarse por medio de una matriz,
tal como se veía con anterioridad; resultando una forma mas práctica del manejo de esta información.
Veámoslo enseguida.
2 4 6 x1 18
8 5 6 x2 40 (3.36)
3 1 2 x 3 4
1
AA x 1
A b (3.39)
1
AA I
(3.40)
I x A1 b (3.41)
o bien
1 vector
x A b solución (3.42)
Resolviendo el sistema de ecuaciones (3.34) anterior, resulta el vector solución: x = [ 4, ‒2, 3], ya
mostrado en el Ejemplo 3.5 anterior.
3.5 I MPLEMENTACI ÓN EN COMPUTADORA
3.5.1 I MPLEMENTACI ÓN EN EXCEL
I ntroducir la matriz de coeficientes (en las celdas [ A5:C7]) y el vector de términos independientes (en
celdas [ E5:E7]) del sistema de Ecs. (3.35). La solución se obtiene por medio de operaciones matriciales.
A B C D E
1 SISTEMA DE ECUACIONES
2 SIMULTÁNEAS LINEALES
3 VECTOR
4 ATRIZ DE COEFICIENTES, A INDEP.,
M b
5 2 4 6 18
6 8 5 6 40
7 3 1 ‒2 4
8
9
1 MATRIZ INVERSA, A-
0
x1
1 ‒ 0.22580645 ‒ VECTOR
1 0.25806452 2 0.09677419 =
SOL'N x
1 0.54838709 ‒ 0.58064516 x2
2 7 0.35483871 1 4
=
1 ‒ 0.16129032 ‒ ‒2
0.11290323 3 0.35483871 x3 = 3
3
Elemento 2 4 6 18 Elemento 2 4 6 18
pivote pivote
5 6 40
8 40 8 5 6
3 1 2 4
3 1 4
2
y aplicar PASO 1 (hacer la unidad el elemento pivote): y aplicar PASO 1 (hacer la unidad el elemento pivote):
(1 / 2)* 4 6 1 (1 / 2)* 4 6 1
2 8 2 8
5 6 4 5 6 4
resultando resultando
1 2 3 9 9
1 2 3
8 5 6 40 5 6 40
3 8
1 4 3 1 4
2 2
Aplicar PASO 2 (hacer ceros debajo del elemento pivote):
Aplicar PASO 2 (hacer ceros toda la columna pivote, excepto
el elemento pivote)
1 2 3 9
1 2 3 9
8 5 6
40 5 6 40
3 1 2
4 8 1 4
2
3
resultando Columna Columna
pivote resultando pivote
1 2 3 9 9
1 2 3
11 18 32
0 11 18 32
0 0
5 23
0 5 23
11 11
Tomar 2º . elemento pivote y aplicar PASO 1:
Tomar 2º . elemento pivote y aplicar PASO 1:
( 5
10 11) 2 3 11 9
* 11 18 32
23
*
2
5
3
11 9
0
32
( 11 18
11) 23
resultando 2do. elemento 2do. elemento
pivote resultando pivote
Fila pivote 12 3 9
Fila pivote
0 0118 / 11
5 23
11 32 / 11
1 2 3 9
1 18 / 11
0 5 11 32 / 11
0 23
ELI MI NACI ÓN DE GAUSS ( cont.) REDUCCI ÓN DE GAUSS- JORDAN ( cont.)
Aplicar PASO 2:
Columna Columna
Aplicar PASO 2:
pivote pivote
1 2 3 9
1 2 3 9
1 1
0 18 / 11 32 / 11 0 5 18 / 11 32 / 11
0 5 11 23 0 11 23
quedando
1 2 3 9 quedando
1 0 35 / 11
1 3/
0 18 / 32 / 11
11 11 32 / 11
93 / 00 1
0 93 / 11
31 / 18 /
0 0 11 11
11
1131 /
Tomar 3er. elemento pivote y aplicar PASO 1:
1 2 3 9
Tomar 3er. elemento pivote y aplicar PASO 1:
0 1 18 / 32 / 11 1 0 3/ 35 / 11
(11 / 31) * 11 93 / 11 0 1 11 32 / 11
0 0 31 / 18 /
11 11
resultando
3er. elemento pivote (11 / 31) * 0 31 / 11 93 / 11
0
1 2
Fila 3 9 resultando
3er. elemento pivote
pivote
1 18 / 32 / 1 0 3 / 11 35 / 11
0 11 11 Fila
1 18 / 32 /
3 )
pivote
0 ÓN HACI
PASO 3: ( SUBSTI TUCI 1 A ATRÁS 0 11 11
Observe que esta matriz nos está representando el 0 1 3
sistema:
10 xx1 21 xx2 18 / 11
3x 9
x33 32 / 11
Aplicar PASO 2:
1 0
Columna
35
11/
pivote
1 2
0x 0x 1 x3 3 0 1 32 / 11
1 2 3 / 11
18 / 11
0 1
La última fila nos proporciona el valor de la última incógnita 0 3
x3 3
resultando
Tomamos la penúltima fila y substituímos el valor x 3 anterior
ya conocido 1 00 4
x2 18 / 11 (3) 32 / 11 2
10
0 01
x2 2 0 3
Tomamos la antepenúltima fila (i.e. la primera fila) y
substituímos los valores x 2 y x 3 anteriores Matriz Vector
identidad solución
x1 2 (2) 3 (3) 9
x1 4 Teniendo por tanto, el vector solución:
x1 4 x1 4
Teniendo por tanto, el vector solución: x2 2 x2 2
x3 3 x3 3
En el desarrollo de este ejemplo, observamos las diferencias existentes entre ambos métodos; la única
diferencia es en el PASO 2:en el método de Gauss, todos los elementos debajo del elemento pivote se
hacen igual a cero, a diferencia del método de Gauss-Jordan, en que todos los elementos de la columna
pivote se hacen cero, excepto el elemento pivote. Cuando se han finalizado todos los elementos de la
diagonal principal, entonces en el método de Gauss se realiza una substitución hacia atrás (PASO 3),
mientras que en el método de Gauss-Jordan, el vector solución se obtiene en la última columna. Sin
embargo, ambos métodos nos conducen al mismo resultado final.
Tal como se observó en el desarrollo anterior, en la aplicación del método de eliminación simple de
Gauss, la primera fase del método consiste en reducir el siguiente sistema original
a11
x1 a12 x2 a1n xn b1
a21
x1 a22 x2 a2n xn b2 (3.31)
am1 x1 am2 x2 amn xn bm
a un sistema triangular superior [ siendo un sistema equivalente del original anterior, Ec. (3.31)] ,
a'11
x1 a'12 x2 a'1n xn b'1
a'22 x2 a'2n xn b'2
(3.43)
a'mn xn b'n
donde los coeficientes con primas ('), significa que estos términos se han modificado de los originales,
una vez que se aplican las operaciones elementales de renglón.
Esta ecuación (3.43) resulta una vez que se aplican los PASOS 1, 2 (eliminación hacia adelante) y el
PAS0 3 (substitución hacia atrás), vistos con anterioridad.
PASO 1: El elemento pivote de cada fila ( a11 , a22 ,…), hacerlo la unidad; y
PASO 2: Hacer ceros los elementos que se encuentran debajo del elemento pivote, resultando el
sistema (3.43) anterior.
La última fila de la Ec. (3.43), es aquella que representa a la última función, expresión que se utiliza para
obtener la última incógnita; esto es,
a'mn xn b'n (3.44)
xn b'n / a'm n
(3.45)
Una vez obtenido este valor, podemos entonces calcular la penúltima variable ( xn1 ) a partir de la (n-1)-
ésima ecuación. Este mismo procedimiento se repite en orden inverso para el resto de las variables ( x ’s),
resultando la siguiente fórmula recursiva
n
b'i a'ij xj
ji1
xi para i n 1, 2, ..., (3.46)
a'ii n 1
A diferencia del método simple de Gauss, en el método reducción de Gauss-Jordan sólo se aplican el
PASO 1 (hacer la unidad el elemento pivote) y el PASO 2, con el cambio en este paso de que todos los
elementos de la columna pivote se hacen cero, excepto el elemento pivote; es decir, ceros arriba y abajo
del elemento pivote.
Una vez que se han desarrollado paso a paso cada uno de los dos métodos, por medio de los dos
ejemplos anteriores, podemos entonces mostrar los algoritmos correspondientes a cada método.
ALGORI TMO 5.2: MÉTODO DE ELI MI NACI ÓN DE GAUSS
I NI CI O
m n+ 1 { Sumar 1 al número de columnas p/ formar matriz aumentada }
{ Eliminación hacia
gausssimp.m
function x = gausssimp (A, b)
%GAUSSSIMP Resuelve sistema de ecuaciones simultaneas lineales.
% X = GAUSSSIMP (A, b) aplica el METODO SIMPLE DE ELIMINACION DE GAUSS.
%
% ENTRADA: A - matriz (n x n) de coeficientes.
% b - vector columna de terminos independientes de longitud n.
%
% SALIDA: x - vector solucion (sol'n del sistema)
%
if (n ~= fila)
error ('La matriz A y el vector b no tienen el mismo número de filas')
end
m = n + 1;
% PASO 0: Formar
la matriz aumentada (n, n+1)
for fila = 1:n
A (fila, m) = b (fila);
end
% PASO 2: Hacer cero todos los elementos debajo del elemento pivote.
for fila = fil+1:n
pivi = A (fila, fil);
for col = fil:m
A (fila, col) = A (fila, col) - pivi * A (fil, col);
end
end
end
Sin embargo, esta codificación puede mejorarse haciendo uso de la programación en paralelo;
operaciones que pueden realizarse con los comandos de Matlab.
gauss.m
function [x, determ] = gauss (A, b)
%GAUSS Resuelve sistema de ecuaciones simultaneas lineales.
% X = GAUSS (A, b) aplica el METODO DE ELIMINACION DE GAUSS.
%
% A - matriz (n x n) de coeficientes.
ENTRADA: b - vector columna de terminos independientes de longitud
% n.
%
% SALIDA: x - vector solucion (sol'n del sistema)
%
%% G. MEDINA H., Ultima modif: [Jul 04, 03]
%
m] = size(A);% obtener dimensiones de la matriz "A" lb = length(b);% obtener la longitud del vector "b"
n ~= lb
or ('La matriz A y el vector b no tienen el mismo numero de filas')
ASO 2: hacer cero todos los elementos debajo del elemento pivote. for j = i+1:n
, i:m+1) = A(j, i:m+1) - A(j, i) * A(i, i:m+1);
En forma similar al método anterior, enseguida se muestra la codificación para el método de Gauss-
Jordan, de acuerdo al Algoritmo 3.3 anterior.
gaussjordan.m
if (n ~= filas)
error ('La matriz A y el vector b no tienen el mismo número de filas')
end
Ok = true;
epsilon = 1e-5;
determ = 1.0;
fil = 0;
while fil < n & Ok
fil = fil + 1;
% PASO 1: Hacer los elementos (pivote) de la diagonal principal igual a 1.0
pivote = A (fil, fil);
determ = determ * pivote;
Ok = (abs(pivote) > epsilon);
if Ok
for col
= fil:m+1
A (fil, col) = A (fil, col) / pivote;
end
% PASO 2: Hacer cero todos los elementos de la columna, excepto elemento pivote
for fila = 1:n
if fila ~= fil
pivi = A (fila, fil);
for col = fil:m+1
A (fila, col) = A (fila, col) - pivi * A (fil, col);
end
end
end
end
end
if Ok
% Retornar vector solucion for fila = 1:n
x (fila) = A (fila, m+1);
end
else
determ = 0.0;
error ('El elemento %g esta cercano a cero', fil)
end
x = x';
gj.m
function [x, A, determ] = gj (A, b)
%GJ Resuelve sistema de ecuaciones simultaneas lineales.
% [X, A, determ] = GJ (A, b) aplica el METODO DE REDUCCION DE GAUSS-JORDAN.
%
% ENTRADA: A - matriz (n x n) de coeficientes.
% b - vector columna de terminos independientes de longitud n.
%
% SALIDA: x - vector solucion (sol'n del sistema)
% A - la misma matriz A, una vez terminados los cálculos
% determ - valor del determinante de la matriz de coef's A (cuadrada: n * n)
% PASO 2: hacer cero todos los elementos en columna, excepto el elemento pivote. for j = 1:n
if j ~= i
A(j, i:m+1) = A(j, i:m+1) - A(j, i) * A(i, i:m+1);
end
end
end
% Retornar vector solucion x = A(:, m+1);
>> A = [2, 4, 6; 8, 5, 6; 3, 1, -2], b = [18, 40, 4]' % Sist de Ecs
A =
2 4 6
8 5 6
3 1 -2
b=
18
40
4
>>
>> x = gj(A, b)
x =
4
-2
3
>>
>> A * x % Comprobacion
ans =
18
40
4
>>
x1 x2
x3 4x4 6 0.04 x 0.04 x 0.12 x 3
x1 6x2 x3 2x4 33 1 2 3
( a) 8x x 3x x 24
( b) 0.56 x1 1.56 x2 0.32 x3 1
1 2 3 4
0.24 x1 1.26 x 2 0.28 x 3 0
3x1 5x2 10x3 3x4 1
x1 2x x3 4x4 17.5
2
2. Modifique la función gaussjordan.m anterior, de tal forma que pueda obtenerse la matriz
inversa de la matriz de coeficientes del sistema (Véase siguiente Sección 3.8, para mayores detalles).
3.8 OBTENCI ÓN DE LA I NVERSA DE UNA MATRI Z
Para obtener la solución a un sistema de ecuaciones, se puede realizar también a través de la matriz
inversa (x = A‒1 b), visto ya con anterioridad [ Sección 3.4, Ec. (3.38)] ; por lo que la misma metodología
aplicada al sistema (3.31), puede utilizarse para obtener la matriz inversa. El método que se aplica es el
de Gauss-Jordan y se inicia con la matriz aumentada ( A ), junto con una matriz identidad ( I ,
mismas
dimensiones que la matriz de coeficientes), que se agrega a la derecha, y las operaciones de renglón se
aplican en la misma forma anterior, pero ahora a lo largo de toda la fila correspondiente. Veámoslo.
A b I
Tomar el 1er. elemento pivote
2 4 6 18 1 0 0
(3.48)
8 5 6 40 0 1 0
3
1 2 4 0 0 1
1 0
resultando
2a. Fila pivote 1 2 3 9 1/2 0 0
1 18 / 32 / 4/ 1/ 0 (3.54)
00 5
11
11 11
23 11
3/2 11 0 1
Aplicar el PASO 2:
1
2 0 0
3 9 1/
0 1
0 18 / 32 / 2 1 / 11 0 (3.55)
5
11 11 4/ 0 1
1 11
11 23
0 3/
0 2
quedando 0 32ª/ . Columna35pivote
/ 5/ 2/ 0
1 11 11
11 22
1 18 / 11 32 / 4/ 1/ 0 (3.5
Tomar el 3er. elemento pivote y aplicar PASO 1:
0 3/ 35 / 5/ 2/ 0
1 11 11
11 22
(11/31) *
1 18 / 11 32 / 4/ 1/ 0 (3.5
resultando
0 3/ 35 / 5 / 22 2 / 11 0
3a. Fila pivote
1 11 11
(3.58)
1/ 0
0
1 18 / 32 / 4 / 11
0 1 3 7 / 62 5 / 31 11 / 31
Aplicar PASO 2:
1 0 35 / 5 / 22 2 / 11 0
0 1 11 4 / 11 1 / 11 0 (3.59)
0 3 / 11 32 / 7 / 62 11 /
0 18 / 11 11
5 / 31
31
1 3
resultando 3ª . Columna pivote
0 0 4 8/ 7 / 31 3 / 31
1
31
1 0 17 / 31 11 / 18 / 31 (3.6
7/
620 0 1 3 5/ 11 / 31
31
Matriz Vector Matriz
identid solución inversa
ad
1
I x A
x1 4
Obteniendo por tanto, el vector solución final: x2 2 (3.61)
x3 3
8 / 31 7 / 31 3 / 31
Así como la matriz
inversa: 1
A 17 / 31 11 / 31 18 / 31 (3.62)
7 / 62 5 / 31 11 / 31
COMPROBACI ÓN:
Sabemos que una de las propiedades de las matrices, es que la multiplicación de una matriz cuadrada
1
( A ), por su inversa ( A ), es igual a la matriz identidad ( I ). Es decir, se cumple la igualdad:
1
AA I A1 A (3.63)
por lo que, al momento de multiplicar las dos matrices, la matriz de coeficientes [ la parte izquierda de la
Ec. (3.47)] y la matriz inversa, Ec. (3.62), resulta
1
2
4 6 8/31
7/31 3/31
AA 8 5 6 17/31 11/31 18/31
3 1 -2 7/62 5/31 11/31
8 17 7
2 4 6 7 3 18
2 11 5 2 4 11
4 6 6
31
31 31 62 31 31 31 31 31
8 8 5 17 6 7 5 3 18 11
1 8 7 5 11 6 8 5 6
A 31 31 62 31 31 31 31 31
31
A
8 17 7 7 11 5 3 18 11
3 1 2 3 1 2 3 1 2
31 31 31 31 31 31 31 31
62
16 6842 14 44 30 6 72 66 68 37 44 44 72 72
313162 31 31 31 313131 3131 31 31 3131
648542 2−4 9066 85 85 86 55 9090
1 56 55 30
AA 313162 31 31 31 31 3131
3131 31 31 3131
24 17 14 21 11 10 9 18 22 24 24 21 21 9
40
313162 31 31 31 31 3131 3131 31 31 3131
31
31 0 0
1
1 0 0
A A 0 31
0 0 1 0 I (3.64)
31
31 0 0 1
0 0
31
Las instrucciones implementadas dentro de los paquetes EXCEL [ por medio del comando para operaciones
AXC B 0 (3.65)
donde 0 representa la matriz cero o matriz nula, y todas las demás matrices son de tamaños
compatibles; además de que las matrices A y C son invertibles. Si se tienen las matrices
2 1
1 1 0 1
A , B
2 2 , C 1
7 4
2
compruebe que la matriz X , puede despejarse hacia el lado derecho de la expresión anterior, Ec. (3.65),
de la forma:
AXC
1 1
B XA BC
1 1
A AXC A B
1
XC A B
(3.66)
Compruebe su resultado.
1
2. Calcule la matriz inversa E , de la matriz E
, 1 0 1
E 3 4 2 (3.67)
3 5
Compruebe su resultado. 2
1.0 0 1.0
1 5
3 2 (c 0.2 0.4 0.6
( a) 2 3 ( b) 1 3 )
1.0 0 3.0
0 0 c 2 0 1 4 1 6 4 3
2 2 1
(d 0 b 0 (e 5 1 0 (f (g 4 3 4
) 0 ) 1 ) 1 4 2 ) 3 2 2
a 0
0 3 3
0
1 0 3 2 1 1 1 1 1
2 3
( h) 1 0 0 (i) ) 3 4 (j) ) 1 2 (k) ) 2 1 4
4 3
0 2 3 1 3 3 7
0 0 1
1 1
5. Se tiene la matriz
1 1 2
1
A 3 1 (3.69)
1 3 4
6. Se tiene la matriz 1 0 0
0 (3.70)
0 0.86603
0.5 0
R
0 0.5 0.86603 0
0 0 0 1
1 0 2 1 0 0
() a
0 1 0 () b 0 1 1 / 2
0 0 1 0 0 1
3.9 GAUSS- JORDAN CON PI VOTEO PARCI AL POR FI LAS
Existen sistemas de ecuaciones lineales que al momento de estar realizando la normalización (paso 1,
hacer la unidad) del elemento pivote, sucede que el valor del pivote es cero o muy cercano a cero, lo que
produciría un error de cálculo; por lo que se requiere modificar el algoritmo de solución.
Una de las alternativas para evitar que resulte un error en la aplicación de los métodos de solución de
ecuaciones lineales, cuando uno de los elementos pivote sea cero (o muy cercano a éste), es
intercambiar la fila pivote con otra fila que contenga el valor absoluto más grande de las filas debajo de la
fila pivote. Es decir, se realiza una búsqueda en la fila pivote para determinar cuál elemento es el mayor y
entonces se deberán intercambiar las dos filas: la fila que contiene el elemento mayor queda como la fila
pivote; y la que se encontraba como tal, se queda en el lugar de la fila que se intercambia.
(1 / 3)* 3 0 2 18
2 0 6 26
8 5 12 58
resultando,
0 2/ 6
1 3
0 6 2
2 6
5 12 5
8
8
2
1 0
3 6
2
0 4
0 3 14
2
5 6 10
0
3
2 6
1 0 3
2
(1 / 0)* 0 0 4 14
3
2
0 5 6 10
3
Observamos que esta operación nos produce un error, dado que 0/0 = = infinito, y la aplicación de
este método falla.
En casos de este tipo, entonces aplicamos el método de Reducción de Gauss-Jordan con pivoteo parcial.
Tomamos el primer elemento pivote (en este caso es igual a 3) y lo comparamos con los elementos que
se encuentran debajo de éste, hasta que se encuentre el elemento mayor (valor absoluto) de esta
columna (en este caso es igual a 8 de la tercera fila).
3 0 2 18
2
0 6 26
8
5 12 58
1ª . Columna
pivote
Por lo que se deberán intercambiar ambas filas (la primera con la tercera fila):
I ntercambiar 0 2 1
las filas 1 y 3 3 8
2
Resultando: 2 0 6
6
8 5 12 58
2
0 6 26
3
0 2 18
Una vez realizado el intercambio de filas, entonces se procede a aplicar los mismos pasos del Método de
Reducción de Gauss-Jordan. Esto es, tomar el primer elemento pivote:
1ª . Fila pivote
er
1 . Elemento 8 5 12 58
pivote 2 0 6 26
0 2
3 18
y aplicar el PASO 1: (esto es, hacer la unidad el elemento pivote):
(1 / 8)* 5 1 5
8 2 8
0 6 2
resultando
5/8 3/2 29 / 4
0 6 26
0 2 18
Enseguida aplicar el PASO 2: (hacer ceros toda la columna pivote, excepto el elemento pivote):
1 5/8 3/2 29 / 4
2
0 6 26
3
0 2 18
1ª . Columna
pivote
resultando
5/8 3/2 29 / 4
1 5/4
0 3 23 / 2
15 / 8 5 / 2 15 / 4
0
Enseguida se toma el segundo elemento pivote y se realiza nuevamente la búsqueda de si existe un
elemento mayor (debajo del pivote) en esta columna pivote. Encontrando que el valor mayor es el valor
absoluto de | ‒15/8| = 1.875 (vs. el elemento pivote actual: 5/4 = 1.25), que corresponde a la tercera
fila. Por lo tanto, se intercambian la segunda y la tercera filas. Resultando:
5/8 3/2 29 / 4
1
5/4 3 23 / 2
0
15 / 4
I ntercambiar
las filas 2 y 3 15 / 8 5 / 2
0
2ª . Columna
pivote
1 5/8 3/2 29 / 4
0 15 / 8 5 / 2 15 / 4
0
5/4 3 23 / 2
2º . elemento
pivote
resultando
2ª . Fila pivote
15/ 8 3/2 29 / 4
0 1 4/3 2
5/4 3
0 23 / 2
Seguido de aplicar el PASO 2:
1 0 2/3 6
0 1 4 /3 2
0 0 14 / 3
14
Tomamos el tercer elemento pivote y como es la última fila, entonces ya no se realiza la búsqueda de
algún elemento más grande en esta columna, por lo que se aplica directamente el,
PASO 1:
1 0 2/3 6
0 1 4/3 2
(3 / 14) * 0 0 14 / 3 14
3er. elemento pivote
resultando
10 2/3 6
01 4/3 2
3ª . Fila 00 1
pivote 3
Aplicar PASO 2:
3ª . Columna
pivote
1 0 2/3 6
0 1 4/3
1 2
1
0 0 3
resultando
1 0
0 4
0 1
0 2
0 0
3
1
Matriz Vector
identidad solución
x1 4
x2 2
x3 3
Una vez entendida la modificación realizada para obtener el elemento mayor por pivoteo parcial en el
método de Reducción de Gauss-Jordan, podemos entonces desarrollar el algoritmo.
{ PASO 2: Hacer cero todos los elementos en columna, excepto elemento pivote }
para fila 1:n
si fila≠fil, entonces hacer
pivi A (fila, fil)
para col fil:m+ 1
A (fila, col) A (fila, col) ‒ pivi * A (fil, col)
fin_para
fin_si
fin_para
fin_si
fin_para
si Ok = verdadero, entonces hacer
para fila 1:n { Copiar valores solución desde la última columna de A }
x (fila) A (fila, m+ 1)
fin_para
sino, hacer
determ 0.0
escribir('El elemento ', fil, ' esta cercano a cero')
fin_si
FI N
SALI DA: x (i) { Vector solución (i = 1, 2, ..., n) }
3.9.1 I MPLEMENTACI ÓN EN MATLAB
En base al algoritmo 3.4 anterior, podemos entonces realizar la implementación o codificación en Matlab.
gjpivot .m
ASO 1: hacer los elementos (pivote) de la diagonal principal igual a 1.0 A (i, i:n+1) = A (i, i:n+1) / A (i, i);
ASO 2: hacer cero todos los elementos en columna, excepto el elemento pivote. for j = 1:m
j ~= i
j, i:n+1) = A (j, i:n+1) - A (j, i) * A (i, i:n+1);
La codificación del anterior Algoritmo 3.4 en Matlab, está diseñada para calcular el vector solución, así
como también puede retornar la matriz final resultante, además de calcular también el valor del
determinante de la matriz A inicial. Enseguida se muestra el mismo sistema de Ecuaciones (3.71)
anteriores, mostrando los resultados de la matriz A final, así como el valor del determinante.
>>
Ahora bien, si se desea obtener la matriz inversa, entonces deberá introducirse la matriz A inicial, junto
con una matriz identidad I (de dimensión equivalente). Esto es tal como se muestra enseguida.
2. Aplique el método de Gauss-Jordan normal y con pivoteo parcial por filas a los siguientes sistemas de
Ecuaciones algebraicas. Compare resultados.
1 2 3 4 1.234
7 63 0 x1 13.3
2 2 3 4 2.234
(a A x
) b (b
) 2 18 10
3.9
2
;
3 3 3 4 3.334 3 30 0 x 6.0
3
4 4 4 4 4.444
3. Aplique el método de Gauss-Jordan normal y con pivoteo parcial por filas a los siguientes sistemas de
Ecuaciones algebraicas. Compare resultados.
4x 2 x4 8
x1 3x3 x4 0 4x2 3x4 10
x1 2x2 x3 3x4 3x1 x3 2x4 1 3x2 4x4 18
(a (b (c
) 17.5 4x 2 4x 3 x4 18 ) x1 x2 3x4 4 ) x1 2x3 13
3x2 x3 2x4 14.5 x2 x3 x4 3 2x1 x3 14
x2 x3 x4 3
x1 x2 3x4 4
(d
) x1 3x3 x4 0
3x1 x3 2x4 1